#tts Repositorios
222 repositorios en total
Un complemento de AstrBot que permite al Bot enviar mensajes proactivos en chats privados y grupales. Incluye comprensión del contexto, persistencia de datos, emociones dinámicas, periodos de no molestar e integración de TTS. También cuenta con una WebUI independiente para una configuración personalizada.
Muestras de audio que acompañan a publicaciones relacionadas con Tacotron, un modelo de síntesis de voz de extremo a extremo.
Pruebas de expresiones y animaciones basadas en Bert-VITS2. Pruebas de animación basadas en Bert-VITS2.
SummerTTS es un proyecto de síntesis de voz (TTS) independiente basado en C++ para chino e inglés. Puede ejecutarse localmente sin necesidad de conexión a internet ni dependencias adicionales. Una vez completada la compilación con un solo clic, está listo para ser utilizado en la síntesis de voz en chino e inglés.
Reconocimiento Automático de Voz (ASR), motor de Texto a Voz (TTS). Reconocimiento de voz en chino e inglés, síntesis de voz de múltiples roles, soporta múltiples idiomas, alta precisión
Frametell: Convierte tus ideas y materiales en vídeos explicativos vívidos con un agente de dirección de IA. Primero en local, compatible con cualquier modelo.
Nodo de ComfyUI para voz altamente expresiva y clonación de voz realista zero-shot
El medidor de gasto y la barrera presupuestaria para agentes de voz con IA. Mide STT + TTS + LLM + telefonía por llamada, sin configuración adicional (Pipecat, LiveKit — Python y TypeScript). Detiene por la fuerza el siguiente turno antes de que supere tu límite. Local, sin cuenta y sin telemetría. Creado por Floe: controles de costes para la Voice AI.
Un lector de libros electrónicos con un agente que evoluciona por sí mismo: recuerda lo que lees en distintos libros, y los complementos amplían tanto el lector como el agente.
Tu asistente de voz personal: Voz a Texto a LLM a Voz, mostrado en una interfaz web
Modelos de voz abiertos y full-duplex que perciben tu tono y hablan con uno propio. Una sola GPU con vLLM-Omni, o funcionamiento totalmente offline en un Mac con MLX. Clonación de voz zero-shot, compatibles con OpenAI Realtime / GPT-Live, y prueba gratuita de la API alojada. Apache-2.0.
Síntesis de voz, reconocimiento de voz y detección de actividad vocal para conversaciones por voz, en C++ sobre ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet y Silero VAD en Metal, Vulkan y la CPU, con un servidor compatible con OpenAI y transcripción en tiempo real.
Una Skill de Claude Code / Codex de código abierto que convierte, con un solo clic, un artículo o un vídeo (de Douyin, Bilibili o YouTube, primero transcrito) en publicaciones gráficas para Xiaohongshu, imágenes largas con estilo de revista, diseños para cuentas oficiales de WeChat y vídeos cortos narrados con voz de IA. 21 temas, validación automática y cero dependencias de npm.
Habla con Feng Ge: clona la voz y la personalidad de cualquier persona para conversar por voz en tiempo real, con una latencia de ingeniería inferior a 1 segundo.
Convierte tu agente de programación en un estudio de video: describe un video en lenguaje sencillo y tu agente escribirá la línea de tiempo y producirá el archivo.
VibeVoiceFusion es un sistema web de generación de voz multiusuario de pila completa que ofrece ajuste fino con LoRA, generación por lotes y optimización de VRAM. Basado en VibeVoice de Microsoft (arquitectura autorregresiva + de difusión).